基于增量通勤时间的在线异常检测系统
人工智能
2011-07-28 v2
摘要
通勤时间距离（CTD）是一种基于随机游走的图度量。CTD 已在许多领域得到广泛应用，包括个性化搜索、协同过滤以及使搜索引擎免受操纵。我们的兴趣源于将 CTD 用作异常检测的度量。已有研究表明，CTD 可用于同时识别全局异常和局部异常。在此，我们提出一种精确且高效的近似方法，用于以增量方式计算 CTD，以支持实时应用。我们设计了一种在线异常检测算法，其中每个新到达数据点到当前图中任意点的 CTD 可以在常数时间内估算，从而确保实时响应。此外，所提出的方法也可应用于其他利用通勤时间距离的众多应用。
引用
@article{arxiv.1107.3894,
title = {Online Anomaly Detection Systems Using Incremental Commute Time},
author = {Nguyen Lu Dang Khoa and Sanjay Chawla},
journal= {arXiv preprint arXiv:1107.3894},
year = {2011}
}
备注
11 pages